Todos os Insights

    Gestão de dados

    A importância do QA/QC na mineração

    Por que o controle de qualidade é fundamental para a confiabilidade de estimativas de recursos.

    StockWork Analytics · Outubro de 2026 · 7 min de leitura

    Toda estimativa de recursos parte de uma suposição: o teor no banco de dados representa o teor da rocha. O QA/QC é o conjunto de procedimentos que permite demonstrar isso. Sem ele, o recurso pode até estar certo, mas ninguém consegue provar.

    Garantia e controle não são a mesma coisa

    Garantia de qualidade (QA) são os procedimentos definidos antes da coleta para evitar o erro: protocolos de amostragem, preparo e análise. Controle de qualidade (QC) é o monitoramento que detecta o erro quando ele acontece: amostras de controle inseridas no fluxo e avaliadas a cada lote (Abzalov, 2008).

    O tema ganhou peso regulatório depois da fraude da Bre-X, em 1997. A resposta da bolsa de Toronto e da comissão de valores de Ontário foi o relatório Setting New Standards (TSE/OSC, 1999), base do NI 43-101. Hoje, JORC e NI 43-101 exigem que o relatório descreva os procedimentos de controle e os resultados obtidos (JORC, 2012; CSA, 2011).

    Onde o erro nasce

    A teoria da amostragem de Pierre Gy mostra que a maior parte do erro total vem da amostragem e da preparação, não da análise química (Gy, 1982; Pitard, 1993). Por isso os controles precisam cobrir toda a cadeia, e não só o laboratório.

    Amostra de campotestemunho, RC, canalBritageme quarteamentoPulverizaçãopolpa analíticaAnáliselaboratório primárioBanco de dadosimporta e validaDuplicata de campoerro de amostragemBranco e dup. rejeitoerro de preparoDuplicata de polpaprecisão analíticaCRM e branco finoexatidão, viés, derivaLaboratório externochecagem de viésCada controle entra na etapa cujo erro ele mede. Sem ele, não se sabe onde o erro nasceu.
    Figura 1. Cadeia de amostragem e ponto de inserção de cada controle. Fonte: baseado em Abzalov (2008) e CIM (2018).
    Inserção de controles no galpão
    Material de referência certificado inserido na sequência de amostras. Imagem ilustrativa.

    Exatidão: padrões e brancos

    Materiais de referência certificados (CRM) têm teor conhecido. Plotados em ordem de análise, mostram viés e deriva do laboratório. O critério usual reprova o lote quando um resultado ultrapassa três desvios padrão, ou quando dois resultados consecutivos passam de dois desvios no mesmo lado. Brancos monitoram contaminação entre amostras.

    Valor certificado2,50+2 DP2,62−2 DP2,38+3 DP2,68−3 DP2,32✕ fora de ±3 DP✕ dois seguidos além de −2 DPOrdem de análise (lotes)Au (g/t)
    Figura 2. Carta de controle de um CRM de ouro. Os pontos em vermelho reprovam o lote e disparam reanálise. Fonte: exemplo ilustrativo com dados simulados.

    Precisão: duplicatas

    Duplicatas medem a repetibilidade em cada etapa: campo, rejeito de britagem e polpa. Stanley e Lawie (2007) recomendam o coeficiente de variação médio como medida de erro relativo, por ser consistente entre conjuntos de dados. Abzalov (2008) apresenta níveis de referência por tipo de depósito e de duplicata. O método de Thompson e Howarth (1978) segue útil para descrever a precisão em função do teor.

    00224466Como lerLinha cheia: y = x (par idêntico).Tracejado: limite de ±20%de diferença relativa.70 pares · 9 fora do limite(13% do total).Pares fora em teor alto indicamefeito pepita ou problema dequarteamento, não do laboratório.Dentro do limiteFora do limiteAmostra original, Au (g/t)Duplicata, Au (g/t)
    Figura 3. Duplicatas de campo contra amostras originais. O limite de ±20% é um critério comum para duplicatas de campo; duplicatas de polpa pedem limites mais apertados. Fonte: exemplo ilustrativo com dados simulados.

    Um programa mínimo

    ControleO que medeTaxa usualCritério de reprovação típico
    CRM (padrão)Exatidão, viés, deriva≈ 5%Fora de ±3 DP, ou dois seguidos além de ±2 DP
    Branco grossoContaminação no preparo2–5%Acima de um múltiplo definido do limite de detecção
    Duplicata de campoErro total de amostragem≈ 5%Proporção de pares fora do limite relativo
    Duplicata de polpaPrecisão analítica≈ 5%CV médio acima da referência do depósito
    Laboratório secundárioViés entre laboratórios≈ 5% das polpasDiferença sistemática significativa

    Taxas indicativas da prática da indústria. O programa deve ser dimensionado ao tipo de depósito e documentado antes da campanha (Abzalov, 2008; CIM, 2018).

    Três falhas recorrentes

    • Avaliar só no fim da campanha. O controle perde o sentido se o lote reprovado já entrou no banco. A avaliação é por lote, com reanálise antes da importação.
    • CRM fora da faixa de teor. Um padrão de alto teor não diz nada sobre a exatidão perto do teor de corte. São necessários pelo menos três níveis: próximo ao corte, à média e ao alto teor.
    • Controles identificáveis. Se o laboratório reconhece o padrão, o controle deixa de ser cego.

    O efeito na classificação

    A qualidade dos dados analíticos é critério explícito do Table 1 e pesa na classificação do recurso (JORC, 2012). Campanhas antigas sem QA/QC podem ser recuperadas com reamostragem e furos gêmeos, mas até lá o material tende a permanecer em categoria de menor confiança. O custo dos controles, da ordem de 15 a 20% a mais de análises, é pequeno diante do custo de refazer uma campanha.

    Referências

    1. Abzalov, M. (2008). Quality control of assay data: a review of procedures for measuring and monitoring precision and accuracy. Exploration and Mining Geology, 17(3–4), 131–144. doi
    2. Abzalov, M. (2016). Applied Mining Geology. Springer. Cap. 10: Quality Control and Assurance (QAQC). Springer
    3. Stanley, C.R., Lawie, D. (2007). Average relative error in geochemical determinations: clarification, calculation, and a plea for consistency. Exploration and Mining Geology, 16(3–4), 267–275. GeoScienceWorld
    4. Thompson, M., Howarth, R.J. (1978). A new approach to the estimation of analytical precision. Journal of Geochemical Exploration, 9(1), 23–30. doi
    5. Gy, P.M. (1982). Sampling of Particulate Materials: Theory and Practice. 2. ed. Elsevier.
    6. Pitard, F.F. (1993). Pierre Gy's Sampling Theory and Sampling Practice. 2. ed. CRC Press.
    7. CIM (2018). CIM Mineral Exploration Best Practice Guidelines. Canadian Institute of Mining, Metallurgy and Petroleum. mrmr.cim.org
    8. TSE/OSC Mining Standards Task Force (1999). Setting New Standards: Recommendations for Public Mineral Exploration and Mining Companies. Toronto Stock Exchange e Ontario Securities Commission.
    9. JORC (2012). The JORC Code, 2012 Edition. Table 1, Seção 1. jorc.org
    10. CSA (2011). National Instrument 43-101: Standards of Disclosure for Mineral Projects e Form 43-101F1. bcsc.bc.ca

    Figuras marcadas como exemplo ilustrativo usam dados simulados.